KR102644294B1 - 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라 - Google Patents

다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라 Download PDF

Info

Publication number
KR102644294B1
KR102644294B1 KR1020230094604A KR20230094604A KR102644294B1 KR 102644294 B1 KR102644294 B1 KR 102644294B1 KR 1020230094604 A KR1020230094604 A KR 1020230094604A KR 20230094604 A KR20230094604 A KR 20230094604A KR 102644294 B1 KR102644294 B1 KR 102644294B1
Authority
KR
South Korea
Prior art keywords
module
image
angle
camera
ultra
Prior art date
Application number
KR1020230094604A
Other languages
English (en)
Inventor
강해준
Original Assignee
주식회사 모토웨이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 모토웨이 filed Critical 주식회사 모토웨이
Priority to KR1020230094604A priority Critical patent/KR102644294B1/ko
Application granted granted Critical
Publication of KR102644294B1 publication Critical patent/KR102644294B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/741—Circuitry for compensating brightness variation in the scene by increasing the dynamic range of the image compared to the dynamic range of the electronic image sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals

Abstract

카메라 임베디드 시스템을 이용하는 초소형 광각 카메라가 개시된다. 본 개시의 일 실시예에 따른, 카메라 임베디드 시스템을 이용하는 초소형 광각 카메라는, 다양한 위치에 배치되어 적어도 하나의 피사체에 대한 복수의 광 이미지를 입사받을 수 있도록 하는 복수의 렌즈를 포함한 볼록렌즈 모듈; 상기 복수의 광 이미지를 전기 신호로 변환하는 이미지 센서; 및 상기 이미지 센서로부터 수신된 전기 신호를 처리하여 상기 복수의 광 이미지에 대응되는 디지털 이미지를 생성하는 ISP(image signal processor)를 포함하고, 상기 ISP는, 상기 복수의 광 이미지를 합성 및 처리하여 단일 HDR(high dynamic range) 이미지를 생성하는 HDR 모듈; 상기 단일 HDR 이미지 및 상기 복수의 광 이미지와 연관된 화각(angle of view)을 제1 인공지능(artificial intelligence, AI) 모듈에 입력하여 상기 단일 HDR 이미지 상의 왜곡을 식별 및 보정하는 보정 모듈; 및 상기 왜곡이 보정된 단일 HDR 이미지를 제2 AI 모듈에 입력하여 상기 디지털 이미지를 출력하는 출력 모듈을 포함하고, 상기 제2 AI 모듈은, 상기 왜곡이 보정된 단일 HDR 이미지에 대해 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터를 적용하도록 학습될 수 있다.

Description

다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라{CAMERA EMBEDDED SYSTEM FOR MULTI-DIMENSIONAL BODY SENSING AND ULTRA-COMPACT WIDE-ANGLE CAMERA USING THE SAME}
본 개시는 카메라 임베디드 시스템 관련 기술에 관한 것으로서, 보다 상세하게는 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라에 관한 것이다.
이미지 센서를 포함하는 카메라 모듈은 디지털 카메라, 웨어러블 카메라, 자동차, 스마트 폰 등에 장착되어 널리 활용되고 있다. 이미지 센서를 통해 이미지를 획득하는 절차가 수행되는 동안, 이미지 센서를 포함하는 카메라 모듈 또는 카메라 모듈을 포함하는 기기가 움직일 경우, 이미지의 열화가 지속적으로 발생할 수 있다.
특히, 카메라 모듈이 이동 반경이 넓은 기기에 장착될 경우, 이미지의 열화는 심화될 수밖에 없다. 또한, 이미지 센서가 다차원 센싱 동작을 수행하는 경우, 이미지 센서의 지리적 위치에 따른 왜곡 현상이 발생한다는 문제점이 존재한다.
한편, 카메라 모듈은 고도의 아날로그 기술, 소재 기술 및 디지털 기술이 융합되어 개발 및 제작되고 있으며, 카메라 모듈을 구성하는 각 요소 별로 고성능, 고화질, 및 고강성을 달성하기 위한 기술을 필요로 하고 있다.
본 개시의 기술적 과제는, 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라를 제공함에 있다.
본 개시의 기술적 과제는, 카메라 모듈 기반의 임베디드 시스템에 인공지능 알고리즘을 구현할 수 있는 모듈을 포함시킴으로써, 카메라 모듈에 포함된 구성 요소들이 보다 효율적으로 기능하는 방법을 제공함에 있다.
본 개시의 기술적 과제는, 인공지능 알고리즘에 기초하여 다차원 센싱 이미지를 기하학적 왜곡 보정 없이 합성하는 방법을 제공함에 있다.
본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 실시예로, 카메라 임베디드 시스템을 이용하는 초소형 광각 카메라는, 다양한 위치에 배치되어 적어도 하나의 피사체에 대한 복수의 광 이미지를 입사받을 수 있도록 하는 복수의 렌즈를 포함한 볼록렌즈 모듈; 상기 복수의 광 이미지를 전기 신호로 변환하는 이미지 센서; 및 상기 이미지 센서로부터 수신된 전기 신호를 처리하여 상기 복수의 광 이미지에 대응되는 디지털 이미지를 생성하는 ISP(image signal processor)를 포함하고, 상기 ISP는, 상기 복수의 광 이미지를 합성 및 처리하여 단일 HDR(high dynamic range) 이미지를 생성하는 HDR 모듈; 상기 단일 HDR 이미지 및 상기 복수의 광 이미지와 연관된 화각(angle of view)을 제1 인공지능(artificial intelligence, AI) 모듈에 입력하여 상기 단일 HDR 이미지 상의 왜곡을 식별 및 보정하는 보정 모듈; 및 상기 왜곡이 보정된 단일 HDR 이미지를 제2 AI 모듈에 입력하여 상기 디지털 이미지를 출력하는 출력 모듈을 포함하고, 상기 제2 AI 모듈은, 상기 왜곡이 보정된 단일 HDR 이미지에 대해 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터를 적용하도록 학습될 수 있다.
그리고, 상기 이미지 센서는, 상기 초소형 광각 카메라를 기준으로 상기 적어도 하나의 피사체의 위치 및 상기 적어도 하나의 피사체가 존재하는 영역의 조도에 기초하여 상기 복수의 렌즈 각각의 화각을 조절하고, 상기 ISP는, 상기 이미지 센서로부터 상기 복수의 광 이미지 및 상기 복수의 렌즈의 각각의 화각을 입력받는 I/F(interface) 모듈을 포함하고, 상기 보정 모듈은, 상기 I/F 모듈을 통해 입력된 상기 복수의 렌즈의 각각의 화각 및 상기 단일 HDR 이미지를 상기 제1 AI 모듈에 입력하여 상기 단일 HDR 이미지에 포함된 기하학적 왜곡에 대한 정보를 획득할 수 있다.
그리고, 상기 기하학적 왜곡에 대한 정보는, 상기 단일 HDR 이미지 중 왜곡이 발생한 적어도 하나의 영역 및 상기 적어도 하나의 영역에 대응되는 렌즈의 화각 및 초점의 보정 정보를 포함하고, 상기 보정 모듈은, 상기 적어도 하나의 영역을 보정하고, 상기 적어도 하나의 영역에 대응되는 렌즈의 화각 및 초점의 보정 정보를 상기 I/F 모듈을 통해 상기 이미지 센서로 입력할 수 있다.
그리고, 상기 ISP는, 객체 인식 모듈을 포함하고, 상기 객체 인식 모듈은: 상기 디지털 이미지를 제3 AI 모듈에 입력하여 상기 적어도 하나의 피사체의 유형 및 상기 적어도 하나의 피사체의 유형에 대응되는 인스트럭션(instruction)을 획득하고, 상기 적어도 하나의 피사체의 유형 및 상기 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 상기 초소형 광각 카메라가 장착된 장치의 프로세서로 입력하고, 상기 프로세서는, 상기 적어도 하나의 피사체의 유형 및 상기 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 상기 장치의 디스플레이에 표시하는 동안, 상기 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 실행할 수 있다.
그리고, 상기 ISP는, 통신 모듈 및 학습 모듈을 포함하고, 상기 통신 모듈은, i) 상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈 각각을 재학습시키기 위한 학습 데이터베이스 및 ii) 상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈 각각의 동작을 업데이트하기 위한 업데이트 데이터를 학습 서버로부터 수신하고, 상기 학습 모듈은: 상기 학습 데이터베이스에 기초하여 상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈 각각을 재학습하고, 상기 재학습된 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈 각각에 상기 업데이트 데이터를 적용하고, 상기 업데이트 데이터가 적용된 상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈의 성능이 임계값을 초과하는지 여부를 판단하고, 상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈의 성능이 상기 임계값을 초과하지 않음에 기반하여, 상기 업데이트 데이터의 개선을 요청하는 정보를 상기 학습 서버로 전송할 수 있다.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
본 개시의 다양한 실시예에 의해, 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라가 제공될 수 있다.
본 개시의 다양한 실시예에 의해, 카메라 모듈 기반의 임베디드 시스템에 인공지능 알고리즘을 구현할 수 있는 모듈을 포함시킴으로써, 카메라 모듈에 포함된 구성 요소들이 보다 효율적으로 기능하는 방법이 제공될 수 있다.
본 개시의 다양한 실시예에 의해, 인공지능 알고리즘에 기초하여 다차원 센싱 이미지를 기하학적 왜곡 보정 없이 합성하는 방법이 제공될 수 있다.
본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 일 실시예에 따른, 다차원 인체 센싱용 카메라 임베디드 시스템이 포함된 카메라의 구성을 간략히 도시한 블록도이다.
도 2는 본 개시의 일 실시예에 따른, 볼록렌즈 모듈의 구성을 설명하기 위한 도면이다.
도 3은 본 개시의 일 실시예에 따른, 다차원 인체 센싱용 카메라 임베디드 시스템이 포함된 카메라를 제어하는 방법을 설명하기 위한 순서도이다.
본 개시의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시의 개시가 완전하도록 하고, 본 개시가 속하는 기술 분야의 통상의 기술자에게 본 개시의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 개시는 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 개시를 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 개시의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 개시가 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용 시 또는 동작 시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다.
예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 개시를 설명함에 있어서, "임베디드 시스템"은 특정 시스템을 제어하는 소프트웨어를 하드웨어에 내장하여 특정 기능을 수행하도록 구성된 시스템을 의미한다. "광각 카메라"는 표준 렌즈에 비해 초점 거리가 작은 렌즈가 장착된 카메라를 의미한다. "모듈"은 프로그램을 구성하는 구성 요소를 의미한다. 즉, "모듈"은 다차원 인체 센싱용 카메라 임베디드 시스템을 구성하며, 특정 기능을 수행하는 하드웨어 및/또는 소프트웨어 단위를 의미할 수 있다.
초소형 광각 카메라가 장착된 "장치"는 자동차, 드론, 웨어러블 장치, 운송 기기, CCTV 장치, 비행기, 스마트폰, 태블릿 PC, 네비게이션 장치 등을 포함할 수 있으나, 이에 제한되는 것은 아니다.
그리고, 본 개시에서 사용되는 "부, 모듈, 부재, 블록"이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 "부, 모듈, 부재, 블록"이 하나의 구성요소로 구현되거나, 하나의 "부, 모듈, 부재, 블록"이 복수의 구성요소들을 포함하는 것도 가능하다.
이하에서는 도면을 참조하여 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라에 대해 구체적으로 설명하도록 한다.
도 1은 본 개시의 일 실시예에 따른, 다차원 인체 센싱용 카메라 임베디드 시스템이 포함된 초소형 광각 카메라의 구성을 간략히 도시한 블록도이다.
도 1에 도시된 바와 같이, 초소형 광각 카메라(100)는 볼록렌즈 모듈(110), 필터(120), 이미지 센서(130), 구동기(actuator)(140), 및 ISP(image signal processor)(150)를 포함할 수 있다.
볼록렌즈 모듈(110)은 다양한 위치에 배치되어 적어도 하나의 피사체에 대한 복수의 광 이미지를 입사받을 수 있도록 하는 복수의 렌즈를 포함할 수 있다. 즉, 볼록렌즈 모듈(110)은 복수의 렌즈를 조합하여 한 개의 볼록렌즈 시스템으로 구성될 수 있다.
일 예로, 도 2의 (a) 및 (b)에 도시된 바와 같이, 볼록렌즈 모듈(110)은 복수의 렌즈를 조합함으로써 단일 블록렌즈 시스템으로 구성될 수 있다.
필터(120)는 광 이미지 상의 특정 빛(예로, 자외선, 적외선 등)을 필터링하는 적어도 하나의 유형의 필터를 포함할 수 있다. 일 예로, 하나 이상의 유형의 필터 중 활성화될 필터(즉, 실제 광 이미지에 적용될 필터)가 ISP(150)에 의해 결정될 수 있다. ISP(150)에 의해 실제 활성화될 필터가 결정되는 방식은 후술하도록 한다.
이미지 센서(130)는 복수의 광 이미지를 전기 신호로 변환할 수 있다. 구체적으로, 이미지 센서(130)는 필터(120)에 의해 특정 빛이 필터링된 광 이미지를 전기 신호로 변환할 수 있다.
그리고, 이미지 센서(130)는 초소형 광각 카메라(100)를 기준으로 적어도 하나의 피사체의 (상대적) 위치 및 적어도 하나의 피사체가 존재하는 영역의 조도에 기초하여 복수의 렌즈 각각의 화각(즉, 초소형 광각 카메라(100)의 최적의 화각)을 조절할 수 있다.
일 예로, 이미지 센서(130)는 복수의 광 이미지 또는/및 전기 신호에 기초하여 적어도 하나의 피사체가 광 이미지 상에 위치하는 영역을 식별할 수 있다. 이미지 센서(130)는 적어도 하나의 피사체가 위치하는 영역을 광 이미지의 미리 정의된 영역 범위(예로, 광 이미지의 중심을 기준으로 일정 거리 범위)에 위치시킬 수 있게 하는 복수의 렌즈 각각의 화각을 산출할 수 있다.
이미지 센서(130)는 산출한 복수의 렌즈 각각의 화각을 볼록렌즈 모듈(110)로 입력할 수 있다. 이에 따라, 볼록렌즈 모듈(110)은 이미지 센서(130)에 의해 입력된 복수의 렌즈 각각의 화각에 따라 렌즈의 화각을 조절할 수 있다.
추가적으로 또는 대안적으로, 이미지 센서(130)는 적어도 하나의 피사체가 존재하는 영역의 조도가 임계값을 초과하는지 여부를 검출할 수 있다. 적어도 하나의 피사체가 존재하는 영역의 조도가 임계값을 초과하는 것으로 식별됨에 기반하여, 이미지 센서(130)는 적어도 하나의 피사체가 존재하는 영역의 조도가 임계값 미만이 될 수 있게 하는 볼록 렌즈 각각의 화각을 산출할 수 있다.
이미지 센서(130)는 산출한 복수의 렌즈 각각의 화각을 볼록렌즈 모듈(110)로 입력할 수 있다. 이에 따라, 볼록렌즈 모듈(110)는 이미지 센서(130)에 의해 입력된 복수의 렌즈 각각의 화각에 따라 렌즈의 화각을 조절할 수 있다.
초소형 광각 카메라를 기준으로 적어도 하나의 피사체의 위치 및 적어도 하나의 피사체가 존재하는 영역의 조도에 기초하여 복수의 렌즈 각각의 화각을 조절하는 동작은 ISP(150)에 의해 수행될 수도 있다.
즉, 이미지 센서(130)가 단독으로 상술한 동작을 수행할 수도 있으나, ISP(150)에 의해 추가적으로 상술한 동작이 수행될 수도 있다. 이미지 센서(130)에 의해 산출된 복수의 렌즈 각각의 화각과 ISP(150)에 의해 산출된 복수의 렌즈 각각의 화각 간의 차이가 미리 정의된 값 이상일 경우, ISP(150)는 적어도 하나의 피사체의 위치 및 적어도 하나의 피사체가 존재하는 영역의 조도에 기초하여 복수의 렌즈 각각의 화각을 재산출할 수 있다.
구동기(140)는 볼록렌즈 모듈(110)에 포함된 적어도 하나의 렌즈를 고속으로 이동시켜 초점을 조율하거나 손 떨림 보정 기능을 수행할 수 있다.
ISP(150)는 이미지 센서로부터 수신된 전기 신호를 처리하여 복수의 광 이미지에 대응되는 디지털 이미지를 생성할 수 있다.
ISP(150)는 메모리(151), I/F(interface) 모듈(152), HDR 모듈(153), 보정 모듈(154), 출력 모듈(155), 객체 인식 모듈(156), 통신 모듈(157), 및 학습 모듈(158)을 포함할 수 있다. ISP(150)는 단일 칩으로 구현될 수 있으나, 이에 제한되는 것은 아니다. ISP(150)에 포함된 각 모듈 별로 그룹핑된 칩으로 구현될 수도 있다.
메모리(151)는 초소형 카메라(100)의 다양한 기능을 지원하는 데이터 및 하나 이상의 유형의 모듈의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 저장할 있다. 메모리(151)는 초소형 카메라(100)에서 하나 이상의 모듈에 의해 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 본 초소형 카메라(100)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.
I/F 모듈(152)는 이미지 센서(130)로부터 복수의 광 이미지 및/또는 복수의 렌즈 각각의 화각(즉, 최적의 화각)을 입력받을 수 있다. 추가적으로 또는 대안적으로, I/F 모듈(152)는 볼록렌즈 모듈(110), 이미지 센서(130) 및 구동기(140)에 의해 산출된 데이터를 입력받을 수 있다.
HDR 모듈(153)은 복수의 광 이미지를 합성 및 처리함으로써 단일 HDR 이미지를 생성하는 모듈을 의미할 수 있다. 여기서, HDR은 복수의 광 이미지 내의 밝은 부분 및 어두운 부분의 차이를 극대화시키는 이미지를 생성하는 기술을 의미한다. HDR 모듈(153)은 HDR 기술을 적용함으로써 복수의 광 이미지에 기초한 디지털 이미지를 생성할 수 있다.
보정 모듈(154)은 단일 HDR 이미지 및 복수의 광 이미지와 연관된 화각(angle of view)을 제1 인공지능(artificial intelligence, AI) 모듈에 입력하여 단일 HDR 이미지 상의 왜곡을 식별 및 보정할 수 있다.
구체적으로, 보정 모듈(154)은 I/F 모듈(152)을 통해 (이미지 센서(130)로부터) 입력된 복수의 렌즈의 각각의 화각 및 단일 HDR 이미지를 제1 AI 모듈에 입력하여 단일 HDR 이미지에 포함된 기하학적 왜곡에 대한 정보를 획득할 수 있다.
여기서, 제1 AI 모듈은 ISP 내에 내장되어 있을 수 있으나 이에 제한되는 것은 아니다. 제1 AI 모듈은 별도의 하드웨어 칩으로 초소형 카메라(100) 상에 장착되어 있을 수 있다.
제1 AI 모듈은 복수의 렌즈의 각각의 화각(즉, 단일 HDR 이미지를 생성하기 위해 사용된 복수의 광 이미지를 획득할 때 복수의 렌즈 각각의 화각) 및 단일 HDR 이미지를 통해 단일 HDR 이미지에 포함된 기하학적 왜곡에 대한 정보를 출력하도록 학습된 AI 모델을 포함할 수 있다.
여기서, 기하학적 왜곡에 대한 정보는 단일 HDR 이미지 중 기하학적 왜곡이 발생한 적어도 하나의 영역, 복수의 렌즈 중 기하학적 왜곡이 발생한 특정 영역에 대응되는 특정 렌즈, 특정 렌즈의 화각, 적어도 하나의 영역에 대응되는 렌즈의 화각 및 초점의 보정 정보, 및/또는 기하학적 왜곡을 조절하기 위한 복수의 렌즈의 초점의 보정 수치 등을 포함할 수 있다.
보정 모듈(154)은 제1 AI 모듈을 통해 획득된 기하학적 왜곡에 대한 정보에 기초하여 단일 HDR 이미지 상의 왜곡을 보정할 수 있다. 즉, 보정 모듈(154)은 단일 HDR 이미지에 대응되는 왜곡된 기하학적 표면을 기하학적 왜곡에 대한 정보를 이용하여 평면 표면으로 보정 처리할 수 있다.
그리고, 보정 모듈(154)은 단일 HDR 이미지에 대응되는 왜곡된 기하학적 표면을 기하학적 왜곡에 대한 정보를 이용하여 평면 표면으로 보정 처리하기 위하여 최적의 복수의 렌즈의 초점을 식별할 수 있다. 보정 모듈(154)은 I/F 모듈(152)을 통해 최적의 복수의 렌즈의 초점을 볼록렌즈 모듈(110)에 입력할 수 있다.
즉, 보정 모듈(154)은, 적어도 하나의 영역을 보정하고, 적어도 하나의 영역에 대응되는 렌즈의 화각 및 초점의 보정 정보를 I/F 모듈(152)을 통해 이미지 센서(130)로 입력할 수 있다. 볼록렌즈 모듈(110)은 I/F 모듈(152)에 의해 입력된 초점에 따라 초점을 변경할 수 있다.
출력 모듈(155)은 (기하학적) 왜곡이 보정된 단일 HDR 이미지를 제2 AI 모듈에 입력하여 디지털 이미지를 출력할 수 있다.
제2 AI 모듈은 왜곡이 보정된 단일 HDR 이미지에 대해 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터를 적용하도록 학습된 AI 모델을 포함할 수 있다.
여기서, 제2 AI 모듈은 ISP 내에 내장되어 있을 수 있으나 이에 제한되는 것은 아니다. 제2 AI 모듈은 별도의 하드웨어 칩으로 초소형 카메라(100) 상에 장착되어 있을 수 있다.
구체적으로, 제2 AI 모듈은 왜곡이 보정된 단일 HDR 이미지에 매칭되는 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터를 식별하도록 학습될 수 있다. 일 예로, 복수의 학습 HDR 이미지 별로 최적화된 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터가 라벨링(labeling)될 수 있다.
제2 AI 모듈은 복수의 학습 HDR 이미지를 이용하여 학습함으로써 입력 HDR 이미지에 매칭되는 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터를 식별하도록 학습될 수 있다. 이 때, 제2 AI 모듈의 학습 방식은 지도 학습(super-vised) 학습 방식일 수 있으나 이에 제한되지 않는다. 제2 AI 모듈은 반-지도 학습 방식 또는 비지도 학습 방식으로 학습될 수 있다.
또 다른 예로, 제2 AI 모듈은 사용자 입력에 따라 재학습될 수 있다. 일 예로, ISP(150)는 복수의 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터 각각이 사용자에게 의해 선택된 횟수를 카운트할 수 있다. 복수의 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터 각각이 사용자에게 의해 선택된 횟수는 복수의 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터 각각에 대응되는 가중치로 결정될 수 있다.
제2 AI 모델은 복수의 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터 각각에 대응되는 가중치에 기초하여 단일 HDR 이미지에 대응되는 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터(즉, 단일 HDR 이미지에 최적화된 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터)를 선택하도록 재학습될 수 있다.
객체 인식 모듈(156)은 디지털 이미지를 제3 AI 모듈에 입력하여 적어도 하나의 피사체의 유형 및 적어도 하나의 피사체의 유형에 대응되는 인스트럭션(instruction)을 획득할 수 있다.
여기서, 제3 AI 모듈은 ISP 내에 내장되어 있을 수 있으나 이에 제한되는 것은 아니다. 제3 AI 모듈은 별도의 하드웨어 칩으로 초소형 광각 카메라(100) 상에 장착되어 있을 수 있다.
제3 AI 모듈은 디지털 이미지 상에 포함된 적어도 하나의 피사체의 유형을 식별하고, 식별된 피사체의 유형에 대응되는 인스트럭션을 출력하도록 학습될 수 있다.
일 예로, 제3 AI 모델은 피사체의 유형에 대해 특정 인스트럭션(즉, 피사체의 유형에 따라 초소형 광각 카메라(100)가 장착된 장치(예로, 자동차 등)가 수행해야할 동작과 관련된 인스트럭션)이 라벨링된 학습 데이터를 이용하여 학습될 수 있다.
예로, 피사체의 유형이 사람인 경우, 피사체에 대응되는 특정 인스트럭션은 장치가 이동을 정지하고 경적을 울리는 동작에 연관된 인스트럭션일 수 있다. 또 다른 예로, 피사체의 유형이 신호등인 경우, 신호등이 표시하는 신호에 따른 동작과 연관된 인스트럭션일 수 있다.
객체 인식 모듈(156)은 적어도 하나의 피사체의 유형 및 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 초소형 광각 카메라(100)가 장착된 장치의 프로세서로 입력할 수 있다.
이에 따라, 장치의 프로세서는 적어도 하나의 피사체의 유형 및 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 장치의 디스플레이에 표시하는 동안, 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 실행할 수 있다.
즉, 초소형 광각 카메라(100)가 장착된 장치는 객체 인식 모듈(156)로부터 입력된 피사체의 유형에 대응되는 인스트럭션을 실행한다는 UI를 디스플레이 상에 표시할 수 있다. 그리고, 장치는 피사체의 유형에 대응되는 인스트럭션을 실행할 수 있다.
추가적으로 또는 대안적으로, 장치는 초소형 광각 카메라로부터 다양한 위치에서 촬영한 적어도 하나의 피사체 이미지에 기초하여 피사체 이미지의 3D 이미지를 생성할 수 있다. 예로, 장치는 적어도 하나의 피사체 이미지에 대해 3D 렌더링 알고리즘을 적용하여 적어도 하나의 피사체 이미지에 대응되는 3D 이미지를 생성할 수 있다.
장치는 적어도 하나의 피사체 이미지에 대응되는 3D 이미지에 대해 3D 이미지로 구현된 장치가 특정 인스트럭션을 실행하는 동작이 포함된 영상을 생성할 수 있다. 장치는 생성된 영상을 디스플레이 상에 표시할 수 있다.
통신 모듈(157)은 제1 AI 모듈, 제2 AI 모듈, 및 제3 AI 모듈 각각을 재학습시키기 위한 학습 데이터베이스 및 ii) 제1 AI 모듈, 제2 AI 모듈, 및 제3 AI 모듈 각각의 동작을 업데이트하기 위한 업데이트 데이터(또는/및 각 AI 모델의 성능을 향상시키기 위해 학습 서버가 전송한 업데이트 데이터)를 학습 서버로부터 수신할 수 있다.
통신 모듈(157)은 외부 장치와 통신을 가능하게 하는 하나 이상의 구성 요소를 포함할 수 있으며, 예를 들어, 방송 수신 모듈, 유선통신 모듈, 무선통신 모듈, 근거리 통신 모듈, 위치정보 모듈 중 적어도 하나를 포함할 수 있다.
유선 통신 모듈은, 지역 통신(Local Area Network; LAN) 모듈, 광역 통신(Wide Area Network; WAN) 모듈 또는 부가가치 통신(Value Added Network; VAN) 모듈 등 다양한 유선 통신 모듈뿐만 아니라, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), DVI(Digital Visual Interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 다양한 케이블 통신 모듈을 포함할 수 있다.
무선 통신 모듈은 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.
그리고, 학습 모듈(158)은 학습 데이터베이스에 기초하여 제1 AI 모듈, 제2 AI 모듈, 및 제3 AI 모듈 각각을 재학습시킬 수 있다. 학습 모듈(158)은 재학습된 제1 AI 모듈, 제2 AI 모듈, 및 제3 AI 모듈 각각에 업데이트 데이터를 적용할 수 있다.
학습 모듈(158)은 업데이트 데이터가 적용된 제1 AI 모듈, 제2 AI 모듈, 및 제3 AI 모듈의 성능이 임계값을 초과하는지 여부를 판단할 수 있다. 학습 모듈(158)은 제1 AI 모듈, 제2 AI 모듈, 및 제3 AI 모듈의 성능이 임계값을 초과하지 않음에 기반하여, 업데이트 데이터의 개선을 요청하는 정보를 학습 서버로 전송할 수 있다.
추가적으로 또는 대안적으로, ISP(150)는 하나 이상의 유형의 필터 중 활성화될 필터(즉, 실제 광 이미지에 적용될 필터)를 결정할 수 있다. 일 예로, ISP(150)는 볼록렌즈 모듈(110) 및/또는 이미지 센서(130)를 통해 적어도 하나의 피사체가 놓여 있는 환경의 다양한 유형의 빛(예로, 자외선 수치, 적외선 수치 등)의 수치를 식별할 수 있다.
특정 유형의 빛의 수치가 미리 정의된 값 이상 초과될 경우, ISP(150)는 복수의 필터 중 특정 유형의 빛을 필터링하는 필터를 활성화할 수 있다. 특정 유형의 빛을 필터링하는 필터의 필터링 수치는 특정 유형의 빛의 수치가 미리 정의된 값 미만이 될 수 있게 하는 값으로 제어될 수 있다.
상술된 제1 AI 모듈, 제2 AI 모듈, 및 제3 AI 모듈 각각은 CNN(convolutional neural network), RNN(recurrent neural network), LSTM(long-short term memory), GAN(generative adversarial network) 등 중의 적어도 하나를 포함할 수 있다.
일 예로, 제1 AI 모듈, 제2 AI 모듈, 및 제3 AI 모듈 각각은 하나 이상의 인공 신경망을 포함할 수 있으며, 각 인공 신경망은 가중치 및 편향(bias) 값에 기초하여 학습될 수 있다.
본 개시의 추가적인 실시예로, ISP(150)는 생성된 디지털 이미지에 기초하여 NFT(non-fungible token)을 생성할 수 있다. 구체적으로, ISP(150)는 사용자의 전자 지갑과 관련된 정보를 미리 메모리(151)에 저장할 수 있다, 복수의 광 이미지에 대응되는 디지털 이미지를 생성됨에 기반하여, ISP(150)는 사용자의 전자 지갑에 액세스할 수 있다. ISP(150)는 디지털 이미지에 기초하여 NFT를 생성하고, 생성된 NFT를 전자 지갑에 저장할 수 있다. 전자 지갑에 저장된 NFT는 다른 사용자와 거래될 수 있다.
본 개시의 일 예로, ISP(150)는 초소형 광각 카메라(100)가 장착된 장치의 유형에 따라 사용 전력을 제어할 수 있다. ISP(150)는 초소형 광각 카메라(100)가 장착된 장치의 중앙 제어 시스템에 액세스함으로써 해당 장치의 유형을 식별할 수 있다. 그리고, ISP(150)는 해당 장치의 유형에 따라 사용 전력을 제어할 수 있다.
일 예로, 초소형 광각 카메라(100)가 자율 주행 차량에 장착된 것으로 식별되면, ISP(150)는 사용 전력을 제1 수치로 제어할 수 있다. 그리고, 초소형 광각 카메라(100)가 스마트 폰에 장착된 것으로 식별되면, ISP(150)는 사용 전력을 제1 수치보다 작은 값인 제2 수치로 제어할 수 있다.
또 다른 예로, ISP(150)는 해당 장치에 포함된 다른 부품의 전력 소모량에 대한 정보에 기초하여 초소형 광각 카메라(100)의 소비 전력을 결정할 수 있다. 해당 장치에 포함된 다른 부품의 전력 소모량이 미리 정의된 값을 초과할 경우, ISP(150)는 정격 전력 소비량보다 작은 값으로 소비 전력을 감소시킬 수 있다.
도 3은 본 개시의 일 실시예에 따른, 다차원 인체 센싱용 카메라 임베디드 시스템이 포함된 카메라를 제어하는 방법을 설명하기 위한 순서도이다.
초소형 광각 카메라는 볼록 렌즈 모듈을 통해 적어도 하나의 피사체에 대한 복수의 광 이미지를 획득할 수 있다(S310).
즉, 초소형 광각 카메라는 다양한 위치에 배치되어 적어도 하나의 피사체에 대한 복수의 광 이미지를 입사받을 수 있도록 하는 복수의 렌즈를 이용하여 복수의 광 이미지를 획득할 수 있다.
초소형 광각 카메라는 이미지 센서를 통해 복수의 광 이미지를 전기 신호로 변환할 수 있다(S320).
이 때, 초소형 광각 카메라는 볼록렌즈 모듈을 통해 획득된 복수의 광 이미지에 대해 필터(예로, 특정 빛을 필터링하는 필터)를 적용할 수 있다. 초소형 광각 카메라는 필터가 적용된 복수의 광 이미지를 이미지 센서를 통해 전기 신호로 변환할 수 있다.
초소형 광각 카메라는 이미지 센서로부터 수신된 전기 신호를 ISP를 통해 처리하여 복수의 광 이미지에 대응되는 디지털 이미지를 생성할 수 있다(S330).
초소형 광각 카메라는 ISP를 통해 제1 AI 모듈 및 제2 AI 모듈을 이용하여 복수의 광 이미지에 대응되는 디지털 이미지를 생성할 수 있다. 제1 AI 모듈 및 제2 AI 모듈은 하나의 칩으로 구성될 수 있으나 이에 제한되는 것은 아니다. 또한, 제1 AI 모듈, 제2 AI 모듈, 및 제3 AI 모듈은 하나의 칩으로 구성될 수 있으나, 이에 제한되는 것은 아니다.
초소형 광각 카메라가 탑재된 장치는 디지털 이미지, 적어도 하나의 피사체의 유형 및/또는 적어도 하나의 피사체의 유형에 대응되는 인스트럭션과 관련된 정보를 표시할 수 있다. 그리고, 장치는 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 실행할 수 있다.
한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.
100 : 초소형 광각 카메라
110 : 볼록렌즈 모듈
120 : 필터
130 : 이미지 센서
140 : 구동기
150 : ISP

Claims (5)

  1. 카메라 임베디드 시스템을 이용하는 초소형 광각 카메라에 있어서, 상기 초소형 광각 카메라는:
    다양한 위치에 배치되어 적어도 하나의 피사체에 대한 복수의 광 이미지를 입사받을 수 있도록 하는 복수의 렌즈를 포함한 볼록렌즈 모듈;
    상기 복수의 광 이미지를 전기 신호로 변환하는 이미지 센서; 및
    상기 이미지 센서로부터 수신된 전기 신호를 처리하여 상기 복수의 광 이미지에 대응되는 디지털 이미지를 생성하는 ISP(image signal processor)를 포함하고,
    상기 ISP는,
    상기 복수의 광 이미지를 합성 및 처리하여 단일 HDR(high dynamic range) 이미지를 생성하는 HDR 모듈;
    상기 단일 HDR 이미지 및 상기 복수의 광 이미지와 연관된 화각(angle of view)을 제1 인공지능(artificial intelligence, AI) 모듈에 입력하여 상기 단일 HDR 이미지 상의 왜곡을 식별 및 보정하는 보정 모듈; 및
    상기 왜곡이 보정된 단일 HDR 이미지를 제2 AI 모듈에 입력하여 상기 디지털 이미지를 출력하는 출력 모듈을 포함하고,
    상기 제2 AI 모듈은,
    상기 왜곡이 보정된 단일 HDR 이미지에 대해 색 보간 알고리즘, 색상 보정 알고리즘, 및 화질 개선 필터를 적용하도록 학습되고,
    상기 이미지 센서는,
    상기 초소형 광각 카메라를 기준으로 상기 적어도 하나의 피사체의 위치 및 상기 적어도 하나의 피사체가 존재하는 영역의 조도에 기초하여 상기 복수의 렌즈 각각의 화각을 조절하고,
    상기 ISP는,
    상기 이미지 센서로부터 상기 복수의 광 이미지 및 상기 복수의 렌즈의 각각의 화각을 입력받는 I/F(interface) 모듈을 포함하고,
    상기 보정 모듈은, 상기 I/F 모듈을 통해 입력된 상기 복수의 렌즈의 각각의 화각 및 상기 단일 HDR 이미지를 상기 제1 AI 모듈에 입력하여 상기 단일 HDR 이미지에 포함된 기하학적 왜곡에 대한 정보를 획득하되,
    상기 기하학적 왜곡에 대한 정보는,
    상기 단일 HDR 이미지 중 기하학적 왜곡이 발생한 적어도 하나의 영역, 복수의 렌즈 중 기하학적 왜곡이 발생한 특정 영역에 대응되는 특정 렌즈, 특정 렌즈의 화각, 적어도 하나의 영역에 대응되는 렌즈의 화각 및 초점의 보정 정보 또는 기하학적 왜곡을 조절하기 위한 복수의 렌즈의 초점의 보정 수치를 포함하는, 초소형 광각 카메라.
  2. 삭제
  3. 제1항에 있어서,
    상기 보정 모듈은, 상기 적어도 하나의 영역을 보정하고, 상기 적어도 하나의 영역에 대응되는 렌즈의 화각 및 초점의 보정 정보를 상기 I/F 모듈을 통해 상기 이미지 센서로 입력하는, 초소형 광각 카메라.
  4. 제3항에 있어서,
    상기 ISP는, 객체 인식 모듈을 포함하고,
    상기 객체 인식 모듈은:
    상기 디지털 이미지를 제3 AI 모듈에 입력하여 상기 적어도 하나의 피사체의 유형 및 상기 적어도 하나의 피사체의 유형에 대응되는 인스트럭션(instruction)을 획득하고,
    상기 적어도 하나의 피사체의 유형 및 상기 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 상기 초소형 광각 카메라가 장착된 장치의 프로세서로 입력하고,
    상기 프로세서는,
    상기 적어도 하나의 피사체의 유형 및 상기 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 상기 장치의 디스플레이에 표시하는 동안, 상기 적어도 하나의 피사체의 유형에 대응되는 인스트럭션을 실행하는, 초소형 광각 카메라.
  5. 제4항에 있어서,
    상기 ISP는, 통신 모듈 및 학습 모듈을 포함하고,
    상기 통신 모듈은,
    i) 상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈 각각을 재학습시키기 위한 학습 데이터베이스 및 ii) 상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈 각각의 동작을 업데이트하기 위한 업데이트 데이터를 학습 서버로부터 수신하고,
    상기 학습 모듈은:
    상기 학습 데이터베이스에 기초하여 상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈 각각을 재학습하고,
    상기 재학습된 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈 각각에 상기 업데이트 데이터를 적용하고,
    상기 업데이트 데이터가 적용된 상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈의 성능이 임계값을 초과하는지 여부를 판단하고,
    상기 제1 AI 모듈, 상기 제2 AI 모듈, 및 상기 제3 AI 모듈의 성능이 상기 임계값을 초과하지 않음에 기반하여, 상기 업데이트 데이터의 개선을 요청하는 정보를 상기 학습 서버로 전송하는, 초소형 광각 카메라.
KR1020230094604A 2023-07-20 2023-07-20 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라 KR102644294B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230094604A KR102644294B1 (ko) 2023-07-20 2023-07-20 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230094604A KR102644294B1 (ko) 2023-07-20 2023-07-20 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라

Publications (1)

Publication Number Publication Date
KR102644294B1 true KR102644294B1 (ko) 2024-03-07

Family

ID=90271449

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230094604A KR102644294B1 (ko) 2023-07-20 2023-07-20 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라

Country Status (1)

Country Link
KR (1) KR102644294B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013232780A (ja) * 2012-04-27 2013-11-14 Canon Inc 撮像装置、制御方法、及びプログラム
KR20230064959A (ko) * 2021-11-04 2023-05-11 한화비전 주식회사 Ai 기반 객체인식을 통한 감시카메라 wdr 영상 처리

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013232780A (ja) * 2012-04-27 2013-11-14 Canon Inc 撮像装置、制御方法、及びプログラム
KR20230064959A (ko) * 2021-11-04 2023-05-11 한화비전 주식회사 Ai 기반 객체인식을 통한 감시카메라 wdr 영상 처리

Similar Documents

Publication Publication Date Title
US10884271B2 (en) Lens masking system for a vehicle
WO2019149061A1 (en) Gesture-and gaze-based visual data acquisition system
US20210390673A1 (en) Image-capturing device and method for controlling same
CN111510630B (zh) 图像处理方法、装置及存储介质
US20200143519A1 (en) Bright Spot Removal Using A Neural Network
CN109729334B (zh) 去除反射区的方法以及眼部跟踪方法和设备
CN107566695B (zh) 一种补光方法及移动终端
US20210385383A1 (en) Method for processing image by using artificial neural network, and electronic device supporting same
US11438501B2 (en) Image processing apparatus, and control method, and storage medium thereof
US11417003B2 (en) Method and apparatus for tracking eyes of user and method of generating inverse-transform image
CN112581382A (zh) 图像处理方法、装置及系统、存储介质和学习模型制造方法
CN104243796A (zh) 摄影装置、摄影方法、模板创建装置和模板创建方法
US11463617B2 (en) Information processing apparatus, information processing system, image capturing apparatus, information processing method, and memory
WO2022256177A1 (en) System for determining an expected field of view
KR102644294B1 (ko) 다차원 인체 센싱용 카메라 임베디드 시스템 및 이를 활용하는 초소형 광각 카메라
KR102371880B1 (ko) 특정 기능을 강화하여 이미지 데이터를 생성하는 이미지 프로세서, 인공 지능 장치 및 그 방법
KR102559721B1 (ko) 사용자의 시야 영역에 따라 영상을 선택적으로 복원하는 전자 장치의 제어 방법
WO2020215214A1 (zh) 图像处理方法和装置
CN110198410B (zh) 拍摄提醒方法、可穿戴设备及存储介质
US20230396883A1 (en) Efficient Unwanted Reflection Artifact Mitigation in Videos for Embedded Devices
US20200412947A1 (en) Image Processing Device and Method Thereof
KR20230166870A (ko) 신경망 모델을 이용한 영상 신호 처리 방법 및 이를 수행하기 위한 컴퓨팅 장치
CN117672110A (zh) 一种平板电脑显示控制系统与方法
CN115239547A (zh) 一种可全方位拍摄的智能手表
CN115866221A (zh) 投影设备控制方法、装置、存储介质以及投影设备

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant